Gemini 4 Carbon בראש MathArena אך עולה פי 15 מ-GPT-6.1 Sol

Gemini 4 Carbon של Google הפך למודל הראשון מזה זמן שאינו של OpenAI שמגיע לראש מדד MathArena במתמטיקה ומדיח את GPT-6.1 Sol מהמקום הראשון. Claude Fable 5.2 סיים שני. התוצאה הופכת את Gemini 4 Carbon לאחד המודלים הזמינים לציבור היכולים ביותר למשימות מתמטיקה.

תוצאת המדד והזמינות

המודלים של OpenAI, שלפי הדיווחים פתרו לאחרונה משוואות תובעניות כמו משוואות Navier-Stokes, עדיין אינם זמינים לציבור. מצב הכשל הנפוץ ביותר של Gemini 4 Carbon הוא חריגה ממגבלת הזמן.

התמדה במהלך המשימות

המודל גם כמעט ואינו מוותר על משימה, תכונה שאפשר לפרש כחיובית או כשלילית. במקרה אחד הוא השיק סקריפט שרץ יותר מאחת עשרה שעות בלי לבדוק את התקדמותו.

השוואת עלויות

בהגדרות ההנמקה ששימשו בבדיקה, Carbon ו-Fable 5.2 יקרים פי 15 ופי 40 בהתאמה מ-GPT-6.1 Sol. העלות הצפויה של Gemini 4 Carbon (high) הייתה $15.70 ± $1.33, ואילו העלות הצפויה של GPT-6.1 Sol (max) הייתה $1.07 ± $0.018. העלות הצפויה של Claude-Fable-5.2 (max) הייתה $40.20 ± $2.59.

הדירוגים ותאריכי ההשקה

ברשימת המדד Gemini 4 Carbon (high) מדורג ראשון בכללותו, עם ביצועים צפויים של 85.4 אחוז ± 3.0 אחוז, ותאריך השקה של Google ב-10 בנובמבר 2026. Claude-Fable-5.2 (max) מדורג שני בכללותו, עם 82.8 אחוז ± 5.3 אחוז, ותאריך השקה של Anthropic ב-9 בנובמבר 2026. GPT-6.1 Sol (max) מדורג שלישי בכללותו, עם 80.6 אחוז ± 2.7 אחוז, ותאריך השקה של OpenAI ב-29 בספטמבר 2026. המודל הפתוח הטוב ביותר ברשימה הוא Kimi K3.1 Pro (max), עם 54.3 אחוז ± 5.8 אחוז, תאריך השקה של Moonshot AI ב-23 באוקטובר 2026, ועלות צפויה של $3.70 ± $0.27.

מקורות: The Decoder